scikit-learn数据集之Olivetti 脸部数据集

scikit-learn 官方例子中有多个例子都用到了脸部数据集，本文对Olivetti脸部数据集做一个简要的分析，作为机器视觉的知识的基础。

1.官网介绍

小编先致谢知乎中文翻译团队以及AT&T剑桥实验室：

有四十个不同的个体，每个个体有十张不同的图片。对于某些个体，图像在不同时间拍摄并且改变照明和面部表情(睁开/闭上眼睛，微小/不微笑)和面部细节(戴眼镜/不带眼镜)。所有的图像采用黑色均匀的背景，个体处于直立的正面位置。(容许一定的侧移)

图像被量化为256个的灰度级并以8位无符号整数的形式存储；加载器将这些无符号整数转换为[0,1]之间的浮点值，这样能方面很多算法的使用。

该数据库的”目标”一个是从0到39的整数，代表着图中人物的身份。然而，由于每一类只有十个样例，从无监督学习或半监督学习的角度来看，这个相对较小的数据集更加有趣。

原始的数据集由92x 112大小的图像组成，然而这里提供的版本由64x 64大小的图像组成。

2.数据集的获得

采用函数：

sklearn.datasets.fetch_olivetti_faces(data_home=None, shuffle=False, random_state=0, download_if_missing=True)

获得相应的数据。

函数参数如下：

data_home:optional，默认 None。下载和存储数据集的文件夹，默认存储在 ‘~/scikit_learn_data’ 文件夹下。一般我们为了程序的可移植性以及管理，将数据集放在project的专用文件夹里，于是我们采用相对路径，data_home=’./专用文件夹’

shuffle：boolean, 可选，是否打乱照片。

random_state :int, RandomState instance or None, 可选。与系统的random_state一致。

download_if_missing :可选，默认True。如果数据在本地不可用报错，而不是在网上下载数据。

3.数据构成

官网介绍如下：

数据集包含400张照片，每张照片为64X64数据矩阵，将64X64矩阵存储为1行数据即4096，因此总的数据大小为400X4096.

target为400个标签，总共有40个人的照片，每个人有10张照片。

4.代码深入解读4.1导入数据

将数据读取，此数据需要下载，下载我们得到一个文件名为olivetti_py3.pkz的文件，data_home为下载地址，将其下载至相对路径的datasetsfile文件夹下面，注意表示相对路径为“./”。我们也可以将其下载到其他文件夹，采用绝对路径，比如：data_home=’F:\工作’。

数据的关键字为：

将data以及target分别赋值于X_face_data以及y_face_data。

4.2 数据大小分析

结果如下：

4.3 查看图片

查看图片有多种方式，本文列举最常用的两种方式：

第一种：

结果如下：

第二种：

效果一样：

4.4 保存图片

将图片保存至本地，单张图片的保存方法有两种：

第一种：

第二种：

第一种方式相当于把图片画出来然后保存，第二种方式保存的图片仅仅为系统按照数据生成的图片，大小也按照系统生成的大小进行。大家感受一下（左边为画图生成，右边为系统生成。第一行为大图标，第二行为超大图标）：

将所有的图片生成并保存至本地：

保存后的图片如下：

5 小结

本文对Olivetti脸部数据集做了简要的分析，对数据集有了初步的了解，今后遇到类似的数据集可以按照相同的方式进行分析，套路一样。